图像平滑

官网原文：图像平滑(Smoothing Images)

---

2D卷积 == 图像滤波

低通滤波器(low-pass filters(LPF))：低通滤波器去噪音，并且模糊图片等.
高通滤波器(high-pass filters(HPF))：高通滤波器有助于找到图像边缘.

OpenCV提供了一个函数用来计算图片与核的卷积: cv.filter2D().

例如，我们将尝试对图像进行均值滤波。 5x5均值滤波器内核如下所示：

工作原理:将该核保持在像素上方，相加该核下方的所有像素，取其平均值并用新的平均值替换中心像素。它继续对图像中的所有像素执行此操作。

图像模糊 == 图像平滑

图像模糊 = 原图像 $\bigotimes$ 低通滤波器核

它有助于消除噪音。它实际上从图像中去除了高频内容（例如：噪声，边缘）。因此在此操作中边缘会模糊一点。 （嗯，有模糊的技术，也不会模糊边缘）。 OpenCV主要提供四种模糊技术。

1.均值(Averaging)滤波

结果 = 原图像 $\bigotimes$ a normalized box filter

它只取内核区域下所有像素的平均值并替换中心元素。

函数： cv.blur() or cv.boxFilter()

A 3x3 normalized box filter would look like below:

2.平滑高斯滤波(Gaussian Blurring)

函数:cv.GaussianBlur()

高斯模糊,在从图像中去除高斯噪声方面非常有效。

3.中值滤波(Median Blurring)

函数: cv.medianBlur()

有效去除椒盐噪声.

4.双边滤波(Bilateral Filtering)

函数:cv.bilateralFilter()